根據 Google 最近剛發表的《2025 DORA 報告》，透過 AI 來輔助軟體開發的現況，確實已經影響了全球軟體開發業界的生態了，這是針對現代軟體開發趨勢的年度研究內容， Google 調查了全球近 5,000 名技術專業人員，發現有高達 95% 的受訪者表示他們在工作中使用 AI，且超過 80% 的人認為 AI 提高了他們的生產力 。
Google Cloud 的 DORA 研究計畫已經執行了十多年，主要是在探討軟體開發技術團隊的能力、實踐和衡量標準，在這次的新報告中，調查顯示 AI 是許多開發者工具箱中的重要一部分，最高的比例是 71 % 來寫新的程式碼，修改既有的程式碼則是 66 %，其次是文獻回顧、建立測試、分析資料、除錯等等。
(Figure Credit: Google)
每天用 AI 2 小時，大規模採用 AI 顯著提升了生產力
在 2025 年的調查資料中，全球軟體開發專業人員中，已經有高達 90 % 採用了 AI 來輔助程式開發，比 2024 年增加了 14%。
這些專業人員，從開發者到產品經理，現在都將 AI 整合到他們的核心工作流程中，如果看中位數，他們通常每天會投入約 2 小時的時間來使用 AI。
AI 在各種任務中被廣泛採用且高度依賴，資料顯示，絕大多數（65%）的受訪者在軟體開發上嚴重依賴 AI，其中 37% 表示「中度」依賴，20% 表示「大量」依賴，8% 表示「非常大量」的依賴。
(Figure Credit: Google)
AI 在程式開發領域內有著高度使用率和依賴性，帶來的好處以這兩項最受矚目：
- 生產力顯著提升： 超過 80% 的受訪者表示 AI 提高了他們的生產力。
- 程式碼品質改善： 大多數（59%）受訪者回報 AI 對程式碼品質是有正面幫助的。
信任與生產力的悖論
儘管 AI 被廣泛採用並帶來了可觀的效益，但一些軟體開發專業人員對在工作中使用 AI 仍然持謹慎態度。我們的報告揭示了一個令人驚訝的「信任悖論」：雖然 24% 的受訪者表示對 AI 有「非常大」（4%）或「很大」（20%）的信任，但有 30% 的人表示「有點」信任（23%）或「完全不」信任（7%）。
換言之，儘管許多受訪者不完全信任 AI 的輸出，但他們仍然認為這些輸出是有用且有價值的。這也意味著，AI 正作為一種輔助工具被納入工作流程，以提高生產力和效率，而不是完全替代人類的判斷。
雖然我們每個人或多或少使用了 AI 去提升個人績效與工作改進，但 AI 其實對公司或組織的影響卻是更複雜的，因為會牽涉到公司營運政策和人力規劃、成本等考量。AI 的採用逐步擴大化時，產生更高的軟體輸出成果亮，許多團隊正在發行更多的軟體和應用程式，而品質和穩定性、程式碼 review 是當前和未來的重點。
對團隊工作方式的反思，AI 是放大鏡，而非萬靈丹
CyberQ 觀察 2025 年 Google 的研究還發現，AI 既然是讓我們可以站在某些領域的巨人肩膀上，它對團隊和組織的影響就會有不同的呈現。以 Google 提供的資料來看， AI 在團隊中扮演了可以放大團隊效率或在鬆散組織中讓大家變弱的角色， Google 在報告中稱之為「鏡子與放大器」，舉例說，在凝聚力強的組織中，AI 能提升效率，但在分散的組織中，它則會突顯弱點。
(Figure Credit: Google)
為了更深入地理解這些潛在條件，Google 採用了七種不同的團隊原型，透過一個更深入的視角，來研究讓 AI 成功在團隊中採用的因素到底是什麼?
這當中，包括和諧高成就者 (Harmonious high-achievers)」、「受流程束縛者 (Constrained by process)」與「舊系統瓶頸 (Legacy bottleneck)」等等，各有不同的影響和元素。
對於準備採用 AI 的組織來說，新工具可以幫助他們改進工作流程，不但讓團隊能從生產力提升中受益，也能從隨之而來的轉型中獲益。
引導組織應用 AI 的成功關鍵藍圖：DORA AI 能力模型
可是呢，如果以為公司或團隊也改用 AI 就一定會成功嗎? 並不是的。因此，Google 方面有推出了一個新藍圖，包含七項放大 AI 影響力的基本能力。
此模型確定了七個能放大 AI 正面效益的基礎實踐 ：
清晰且有效傳達的 AI 立場 (Clear and communicated AI stance) ：組織需明確其對 AI 使用的政策與期望，消除模糊地帶。
健康的資料生態系 (Healthy data ecosystems) ：高品質、易於存取且統一的內部資料是發揮 AI 潛力的基礎。
AI 可存取的內部資料 (AI-accessible internal data) ：將 AI 工具與內部系統（如程式碼庫、文件）連接，能提供特定情境，大幅提升效益。
強健的版本控制實踐 (Strong version control practices) ：在 AI 加速程式碼生成的時代，頻繁提交與熟練的回滾操作是管理風險的關鍵安全網。
小批量工作 (Working in small batches) ：將工作拆解成小單元，有助於降低 AI 引入的風險，並改善產品效能。
以使用者為中心的焦點 (User-centric focus) ：這是最關鍵的一點。報告發現，缺乏使用者中心的團隊在導入 AI 後，團隊績效反而可能下降；反之，專注於使用者價值的團隊則能極大化 AI 的正面效益 。
高品質的內部平台 (Quality internal platforms) ：一個優秀的內部開發者平台是擴展 AI 效益、管理風險與確保治理的基礎設施。
CyberQ 認為，這次的 DORA AI 能力模型經過分析，找出成功必需的技術與團隊文化因素，讓我們知道 AI 雖然對開發者是革命性的開發工具，但要發揮其全部潛力，其實是需要公司或組織去調整發展出可適應 AI 一起工作的文化、流程和系統，這樣才是軟體開發全新時代的到來。
思維轉變：視 AI 為系統問題，而非工具問題。
最大的投資回報來自於改善內部平台、資料生態系與核心工程實踐，而非僅僅採購 AI 工具授權 。
投資基礎建設，為 AI 鋪路。
一個高品質的內部平台與健康的資料生態系，是將 AI 的潛力轉化為組織級競爭優勢的先決條件 。
建立「信任但驗證」的文化。
培訓重點應從「鼓勵使用」轉向「有效使用」。教育團隊如何批判性地引導、評估和驗證 AI 的產出 。
採用系統性視角。
利用價值流程管理 (VSM，Value Stream Management) 來確保 AI 解決的是系統中最關鍵的瓶頸，讓個人生產力的提升能真正傳導至整個組織 。
超越指標，深入診斷團隊。
運用這份報告中提到的七種團隊原型來理解團隊的深層次問題，提供適當的支援，避免採用單一觀點來看事情。
本文首圖由 ComfyUI 採用本地端 LLM AI模型所產生
